使用 IMAP 获取电子邮件中的网址无法正常工作

如何解决使用 IMAP 获取电子邮件中的网址无法正常工作

我正在尝试在电子邮件中查找特定 url，我希望能够获取包含特定字符串的每个 url。这是我的代码：

import imaplib
import regex as re

def find_urls(string):
    regex = r"(?i)\b((?:https?://|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:'\".,<>?«»“”‘’]))"
    url = re.findall(regex,string)
    return([x[0] for x in url])

def save_matching_urls(username,password,sender,url_string):
    print("connecting to email,please wait...")
    con = imaplib.IMAP4_SSL("imap.gmail.com")
    con.login(username,password)
    con.select('INBox')
    print("connected sucessfully,scraping email from " + sender)
    (_,data) = con.search(None,'(FROM {0})'.format(sender.strip()))
    ids = data[0].split()
    print(str(len(ids)) +" emails found")

    list_urls = []
    list_good_urls = []
    for mail in ids:
        result,data = con.fetch(mail,'(RFC822)') # fetch the email headers and body (RFC822) for the given ID
        raw_email = data[0][1]
        email = raw_email.decode("utf-8").replace("\r",'').replace("\t",'').replace(" ","").replace("\n","")
        list_url = find_urls(email)
        for url in list_url:
            if url_string in url:
                list_good_urls.append(url)

    print(str(len(list_good_urls)) + " urls found,saving...")
    with open("{}_urls.txt".format(sender),mode="a",encoding="utf-8") as file:
        for url in list_good_urls:
            file.write(url + '\n')
    print("urls saved !")

第一个函数是查找包含指定字符串的 url。另一个函数使用 imap 连接到邮件收件箱，然后尝试查找并保存来自特定发件人的匹配 url。

为了显示这个问题，我使用了网站：http://ismyemailworking.com/，它会向您发送一封电子邮件，其中包含两个包含字符串：“email”的网址，它们是：

http://ismyemailworking.com/Block.aspx
http://ismyemailworking.com/Contact.aspx

代码保存的url（实际上只找到了一个url）

IsMyEmailWorking.com/Block.aspx=20to=20temporarily=20block==20your=20email=20address=20for=201=20hour.=20This=20solves=20the=20problem==2099%=20of=20the=20time.=20If=20after=20this=20you=20continue=20to=20have==20problems=20please=20contact=20us=20via=20the=20contact=20link=20on=20our==20website=20at=20http://IsMyEmailWorking.com/Contact.aspx

我不知道代码的哪一部分导致了这个问题，任何帮助将不胜感激！

解决方法

变体：

from imap_tools import MailBox,A
from magic import find_urls

with MailBox('imap.mail.com').login('test@mail.com','pwd','INBOX') as mailbox:
    for msg in mailbox.fetch(A(all=True)):
        body = msg.text or msg.html
        urls = find_urls(body)

*问候，imap_tools 的作者

https://github.com/ikvk/imap_tools